La IA no es la transformación: por qué decir no a tiempo es la decisión más innovadora de un CIO

Hay una pregunta que, según Gracia Sánchez-Vizcaíno, aparece casi cada semana en su trabajo: «¿Qué estamos haciendo con IA?». La plantea en reuniones internas, en encuentros con colegas y en foros del sector. Sánchez-Vizcaíno es CIO de Securitas Group para IberoAmérica y además responsable de Transformación. En un artículo de opinión publicado por Interempresas sostiene que esa pregunta empieza por la herramienta y no por el problema, y que ahí nace buena parte del ruido actual.

Su tesis abre el texto sin rodeos: la mayoría de las organizaciones no fracasarán con la inteligencia artificial por falta de tecnología, sino por exceso de entusiasmo. Reconoce que nunca hubo una tecnología con tanto potencial para multiplicar capacidades humanas, y por eso, dice, merece algo más que entusiasmo. Anticipa que dentro de unos años nadie recordará qué modelo usaba cada empresa, sino cuáles supieron convertir sus datos en decisiones. Sospecha que muchas lo lograron gracias a los proyectos que decidieron no hacer.

Describe una fiebre colectiva: pilotos y pruebas de concepto que deslumbran en una demo y nunca llegan a producción, o que llegan sin haber considerado lo necesario para ser útiles, generar valor y ser seguros. Hay iniciativas cuyo principal objetivo es poder decir que existen. La autora entiende la presión, porque todos quieren ser más eficientes y nadie quiere quedarse atrás, pero afirma que se confunde adopción con transformación. Usar IA no es transformarse, escribe, igual que comprar una bicicleta no convierte a nadie en ciclista. Cuando la tecnología se vuelve un fin en sí mismo, consume presupuesto, talento y credibilidad, que es lo más difícil de recuperar.

De ahí su idea del CIO como filtro. Ella dice haber huido siempre del «CIO del no», el que frena por sistema, pero cree que hoy la utilidad del cargo consiste también, y con la misma importancia, en filtrar, cuestionar y retar. Y ese filtro, apunta, casi nunca es tecnológico: rara vez un proyecto de IA fracasa porque el modelo no sea lo bastante bueno, sino por carencias mucho menos «sexy». Propone tres preguntas previas.

La primera es para qué: qué problema concreto resuelve la iniciativa y quién la echaría de menos si no existiera. Si la respuesta honesta es «queremos ver qué puede hacer la IA», se trata de una exploración, legítima pero que debe llamarse así, con presupuesto acotado y fecha de caducidad. La segunda es con qué datos. La IA no corrige el desorden, lo amplifica, y un modelo alimentado con datos incompletos o contradictorios devuelve respuestas igual de incompletas o contradictorias, pero con seguridad impecable. Las inversiones en gobierno del dato fueron difíciles de defender porque no lucen en una presentación; hoy, sostiene, son requisito previo de cualquier iniciativa seria. La tercera es quién va a cambiar su forma de trabajar. Sin personas dispuestas, el proyecto fracasa aunque la tecnología funcione. El cambio no llega con la licencia ni por decreto: exige involucrar a la gente desde el principio, formarla, rediseñar tareas y aceptar que la supervisión humana es parte del valor. Si falta propósito, datos o personas, concluye, lo que hay es «ruido con presupuesto».

La autora admite que decir no tiene riesgos: llegar tarde, desmotivar a quien propone, ser vista como un freno. Pero considera peor la alternativa de repartir recursos finitos entre diez iniciativas difusas. Decir no a ocho permite decir sí con toda la fuerza a las dos que pueden cambiar el negocio. Además, el no rara vez es definitivo: suele ser un «todavía no» por falta de datos o un «así no» por falta de propósito o de personas, y bien explicado funciona como hoja de ruta.

El ejemplo que ofrece es un área que pide una IA para responder consultas internas sobre procedimientos, normativa o políticas. La demo es brillante, pero la documentación revela tres versiones del mismo procedimiento sin un responsable claro de la vigente. La respuesta correcta es «todavía no»: depurar documentos, asignar un propietario a cada uno y definir cómo se actualizan. La solución llega después con un alcance más modesto que el de la demo, pero con respuestas fiables, y la gente la usa porque puede confiar en ella.

Para Sánchez-Vizcaíno, la pregunta ya no es qué se puede hacer con IA, pues cualquier hackatón arroja cientos de ideas, sino qué merece la pena hacer para lograr un resultado observable y cuantificable. Esa pregunta no la responde ningún modelo, sino quienes conocen el negocio, sus datos y están dispuestos a trabajar de otra manera. Su cierre es una línea: la IA no es la transformación, sino un acelerador de lo que ya hacemos, para bien o para mal.